企業(yè)知識個性化推薦方法研究與應(yīng)用.pdf

1、當(dāng)今社會環(huán)境下，優(yōu)秀的企業(yè)積累了很多歷史數(shù)據(jù)，這些歷史數(shù)據(jù)包含豐富的經(jīng)驗和知識。優(yōu)秀企業(yè)會特別注重這些歷史數(shù)據(jù)，因為歷史數(shù)據(jù)中往往包含著某些重要信息和行業(yè)發(fā)展趨勢，我們把包含重要信息的歷史數(shù)據(jù)稱之為企業(yè)知識，這些也就是企業(yè)的財富。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展與普及，知識傳播的速度越來越快，企業(yè)知識呈現(xiàn)指數(shù)級增長，員工在單位時間內(nèi)獲取到合適的知識的效率越來越低。因為知識庫存儲的知識越來越多，知識庫的利用率也就慢慢下降。到目前為止，有效解決此問題的

2、技術(shù)可以分為以推薦系統(tǒng)為代表的信息過濾技術(shù)和以搜索引擎為代表的信息檢索技術(shù)。本文主要研究的是前者。
　　隨著電子商務(wù)的發(fā)展和個性化推薦系統(tǒng)的問世，有許多推薦算法被提出，而且在特定領(lǐng)域都發(fā)揮著不可替代的作用，比如說應(yīng)用在電子商務(wù)領(lǐng)域中的協(xié)同過濾算法。雖然此算法被廣泛應(yīng)用，但是其仍然存在著諸如數(shù)據(jù)稀疏問題、冷啟動等問題。隨著企業(yè)知識庫的飛速發(fā)展，企業(yè)知識的推薦也逐漸成為最近的研究熱門。如何有效的利用相關(guān)技術(shù)來改進(jìn)推薦算法的性能和提高企

3、業(yè)知識推薦質(zhì)量也日益被科研人員廣泛研究。針對現(xiàn)有的問題，本文在以下兩個方面展開研究。
　　第一，關(guān)于馬爾可夫預(yù)測模型的研究。本文針對用戶-項目之間的聯(lián)系，認(rèn)為用戶本次查看項目行為和下次查看行為是有強(qiáng)聯(lián)系的，基于這個設(shè)想提出一種基于馬爾可夫預(yù)測模型的協(xié)同過濾推薦算法。實驗結(jié)果顯示，此算法具有較好的推薦效果。
　　第二，關(guān)于粗糙集理論與企業(yè)知識的相關(guān)研究。針對員工的需要自動為其推薦恰當(dāng)?shù)闹R，可以提高員工的工作效率和員工與公司的